Domina el NIST AI RMF Framework: Gobernanza y Riesgos en IA

En esta primera clase del curso aprenderás qué es la Inteligencia Artificial (IA), cómo funciona a nivel conceptual y cuáles son los principales riesgos asociados a su uso en organizaciones modernas.

Antes de estudiar el NIST AI Risk Management Framework (AI RMF) —Marco de Gestión de Riesgos de Inteligencia Artificial del Instituto Nacional de Estándares y Tecnología de Estados Unidos (NIST)— es fundamental comprender qué es la IA, cómo toma decisiones y por qué puede generar impactos negativos si no se gestiona adecuadamente.

Esta clase está diseñada para principiantes absolutos. No necesitas conocimientos técnicos ni experiencia previa en programación, Machine Learning (Aprendizaje Automático) o modelos de IA.

Aprenderás:

• Qué es la Inteligencia Artificial en términos simples.

• Cómo funciona un sistema de IA.

• Diferencia entre software tradicional e IA.

• Qué significa que un sistema “aprenda”.

• Cuáles son los riesgos más importantes de la IA.

• Por qué la gestión de riesgos es necesaria.

• Cómo los errores en IA pueden afectar personas, empresas y gobiernos.

Esta clase establece la base mental necesaria para comprender la gestión responsable de la IA.

En esta clase aprenderás qué es el NIST AI Risk Management Framework (AI RMF) —Marco de Gestión de Riesgos de Inteligencia Artificial desarrollado por el National Institute of Standards and Technology (NIST)— y por qué se ha convertido en una referencia global para gestionar riesgos en sistemas de IA.

Después de comprender los riesgos reales de la Inteligencia Artificial, ahora analizaremos la estructura del AI RMF, sus componentes principales y cómo una organización puede comenzar a implementarlo de manera estratégica.

Exploraremos:

• Qué es el AI RMF y por qué es voluntario.

• Qué significa que sea tecnológico y proveedor-agnóstico.

• Las dos partes del marco: Foundational Information y Core.

• Las cuatro funciones del Core: GOVERN, MAP, MEASURE, MANAGE.

• Qué significa “IA confiable” (trustworthy AI).

• Tipos de daño considerados por el marco.

• Beneficios organizacionales reales.

• Cómo se ve una implementación a alto nivel.

Esta clase te dará una visión ejecutiva de 10,000 pies antes de entrar en el análisis detallado de cada función.

En esta clase aprenderás cómo una organización puede implementar el NIST AI Risk Management Framework (AI RMF) paso a paso desde una perspectiva práctica y ejecutiva.

Después de comprender la estructura del AI RMF y sus funciones (GOVERN, MAP, MEASURE, MANAGE), ahora veremos cómo se traduce en acciones reales dentro de una empresa.

Exploraremos:

• Cómo iniciar una implementación formal del AI RMF.

• Cómo crear un inventario de sistemas de IA.

• Cómo activar la gobernanza (GOVERN).

• Cómo mapear riesgos y beneficios (MAP).

• Cómo medir impacto y probabilidad (MEASURE).

• Cómo priorizar y mitigar riesgos (MANAGE).

• La importancia de la formación y cultura organizacional.

• Errores comunes al implementar el marco.

Esta clase ofrece una vista ejecutiva de implementación antes de profundizar en cada función en detalle.

En esta clase aprenderás cómo aplicar el modelo ROME (Resolve, Own, Accept, Mitigate) a la gestión de riesgos en Inteligencia Artificial dentro de una organización.

Después de comprender el NIST AI Risk Management Framework (AI RMF) y su estructura (GOVERN, MAP, MEASURE, MANAGE), ahora incorporamos una herramienta práctica para la toma de decisiones: el modelo ROME.

ROME es un enfoque simple pero poderoso para clasificar y tratar riesgos según su nivel de severidad e impacto. Aprenderás:

• Qué significa ROME y cómo funciona.

• Cómo categorizar riesgos en Resolve, Own, Accept o Mitigate.

• Cómo utilizar una matriz de riesgo (Risk Matrix).

• Cómo priorizar riesgos según severidad y probabilidad.

• Cómo evitar errores comunes al aceptar riesgos críticos.

• Cómo integrar ROME dentro del proceso MEASURE y MANAGE del AI RMF.

Esta clase te ayudará a transformar la identificación de riesgos en decisiones estructuradas y responsables.

En esta clase aprenderás los fundamentos del riesgo en Inteligencia Artificial según el NIST AI Risk Management Framework (AI RMF), el marco voluntario desarrollado por el National Institute of Standards and Technology (NIST) para gestionar riesgos asociados a sistemas de IA.

Exploraremos:

• Qué es el riesgo en IA y cómo lo define el AI RMF

• Cómo se calcula el riesgo (probabilidad × impacto)

• Qué significa gestión de riesgos en sistemas de Inteligencia Artificial

• Los tres grandes tipos de daño identificados por el marco:

  • Daño a personas

  • Daño a organizaciones

  • Daño a ecosistemas

• Diferencia entre daño intencional y no intencional

• Por qué medir el riesgo en IA es más complejo que en sistemas tradicionales

• Introducción al concepto de IA confiable (Trustworthy AI)

También analizaremos casos reales de impacto reputacional, brechas de seguridad y efectos ambientales relacionados con sistemas de IA.

Esta clase es ideal para quienes desean comprender desde cero cómo el NIST estructura el análisis del riesgo en Inteligencia Artificial y cómo esto se conecta con gobernanza, cumplimiento, ética y sostenibilidad.

En esta clase profundizamos en los principales desafíos de la gestión de riesgos en Inteligencia Artificial según el NIST AI Risk Management Framework (AI RMF).

Aprenderás por qué medir el riesgo en sistemas de IA es más complejo que en sistemas tradicionales y cuáles son las dificultades estructurales que enfrentan las organizaciones cuando intentan implementar prácticas de gobernanza de IA.

Exploraremos:

• Falta de transparencia en métricas de riesgo

• Ausencia de consenso en métodos de medición

• Diferencias de percepción entre desarrolladores y desplegadores

• Variaciones del riesgo a lo largo del ciclo de vida de la IA

• Diferencias entre entornos controlados y el mundo real

• El problema del “black box” (caja negra)

• Diferencias en tolerancia al riesgo

• Integración del riesgo de IA en la gestión de riesgos empresariales

Utilizaremos un caso práctico del sector salud para entender cómo estos desafíos aparecen en situaciones reales.

Esta clase es clave para comprender por qué la función CORE del NIST AI RMF (GOVERN, MAP, MEASURE, MANAGE) existe: porque estos problemas necesitan estructura, documentación y gobernanza.

En esta clase aprenderás a definir y usar la tolerancia al riesgo en Inteligencia Artificial (IA) dentro del enfoque del NIST AI Risk Management Framework (AI RMF). Verás por qué el AI RMF es un marco voluntario y no te dice “cuánto riesgo aceptar”, sino que te ayuda a establecer procesos para decidirlo y documentarlo de forma consistente.

Cubriremos, con ejemplos empresariales y decisiones tipo “go/no-go”:

• Qué significa tolerancia al riesgo (risk tolerance) y por qué debe decidirla cada organización

• Cómo la tolerancia se informa por prácticas de la industria, valores organizacionales y requisitos legales o regulatorios

• Cómo usar una lógica simple de impacto × probabilidad y escalas tipo RAG (Red–Amber–Green / Rojo–Ámbar–Verde) para asignar niveles de riesgo

• Cómo la tolerancia se conecta con priorización: a qué riesgos asignar primero recursos finitos

• Cómo integrar el riesgo de IA con el riesgo empresarial (Enterprise Risk Management / Gestión Integral de Riesgos) para evitar que la IA quede “aislada”

• Qué rol juega el liderazgo (C-Suite/Directivos) en declarar tolerancias y habilitar gobernanza

Esta clase es imprescindible si quieres pasar de “entender el riesgo” a tomar decisiones, priorizar mitigaciones y alinear IA con seguridad, privacidad, cumplimiento y objetivos del negocio.

En esta clase aprenderás qué significa que un sistema sea “IA confiable” (Trustworthy AI) según el enfoque del NIST AI Risk Management Framework (AI RMF), y cómo convertir esas características en criterios prácticos para evaluar modelos y decisiones de despliegue.

Verás que el AI RMF trata las características de confiabilidad como lentes transversales que deben considerarse en todo el ciclo de vida de la IA: desde diseño y entrenamiento, hasta operación, monitoreo y cambios.

Cubriremos, con explicaciones para principiantes y ejemplos aplicados:

• Qué significa que un sistema sea válido y confiable (valid and reliable)

• Qué significa seguro (safe) y qué implica “fallar de forma segura”

• Qué significa seguro y resiliente (secure and resilient) frente a incidentes y ataques

• Qué implica ser transparente y responsable (accountable and transparent)

• Qué diferencia hay entre explicable e interpretable (explainable and interpretable)

• Qué es privacidad reforzada (privacy-enhanced) y cómo se gestiona como riesgo

• Qué significa justo con sesgo dañino gestionado (fair with harmful bias managed) y por qué “reducir sesgo” no siempre es igual a “ser justo”

Además, harás una práctica demostrable para traducir estas características en decisiones de negocio: qué pedir, qué evidencias revisar y cuándo decir “sí”, “sí condicionado” o “no”.

En esta clase aprenderás en profundidad la primera categoría de la función GOVERN del NIST AI Risk Management Framework (AI RMF): GOVERN 1 (subcategorías 1.1 a 1.7).

Exploraremos cómo una organización establece las bases estratégicas para gestionar riesgos en inteligencia artificial (IA), incluyendo:

• Cumplimiento legal y regulatorio en sistemas de IA

• Integración de las características de IA confiable (trustworthy AI)

• Definición de tolerancia al riesgo

• Políticas de transparencia y documentación

• Monitoreo continuo e incident response

• Inventario formal de sistemas de IA

• Decommissioning seguro de modelos y sistemas

Aprenderás cómo traducir el marco voluntario del NIST AI RMF en decisiones ejecutivas reales, usando un caso práctico empresarial completamente nuevo.

Esta clase está diseñada para principiantes absolutos que quieran comprender cómo implementar gobernanza estratégica en IA desde cero, sin asumir conocimientos técnicos previos.

En esta clase comprenderás la arquitectura estructural completa de GOVERN 1 dentro del NIST AI Risk Management Framework (AI RMF).

Antes de profundizar en cada subcategoría (1.1 a 1.7), aprenderás cómo funcionan juntas como un sistema integrado de gobernanza organizacional.

Exploraremos:

• Cómo se conectan cumplimiento legal, IA confiable, tolerancia al riesgo, documentación, monitoreo, inventario y decommissioning.

• Cómo fluye el riesgo a través del ciclo de vida organizacional.

• Por qué GOVERN 1 no debe implementarse como una lista fragmentada.

• Cómo diseñar una estructura coherente de gobernanza en inteligencia artificial.

Esta clase construye la visión sistémica necesaria para aplicar correctamente el NIST AI RMF en contextos empresariales reales.

En esta clase profundizarás en dos pilares fundamentales del NIST AI Risk Management Framework (AI RMF): GOVERN 1.1 y GOVERN 1.2.

Aprenderás cómo una organización debe:

• Comprender y gestionar el entorno legal y regulatorio que afecta a sus sistemas de inteligencia artificial.

• Integrar las características de IA confiable (trustworthy AI) en políticas, procesos y decisiones ejecutivas.

• Evitar riesgos legales, reputacionales y éticos derivados de sistemas de IA mal gobernados.

• Convertir principios abstractos en decisiones organizacionales reales.

Exploraremos casos prácticos empresariales donde se toman decisiones ejecutivas concretas sobre cumplimiento normativo, sesgo algorítmico, privacidad, seguridad, explicabilidad y responsabilidad organizacional.

Esta clase está diseñada para principiantes que desean comprender cómo se traduce el NIST AI RMF en gobernanza real dentro de una organización.

En esta clase profundizarás en dos componentes ejecutivos clave del NIST AI Risk Management Framework (AI RMF):

• GOVERN 1.3: Cómo definir y aplicar la tolerancia al riesgo en sistemas de inteligencia artificial.

• GOVERN 1.4: Cómo estructurar procesos transparentes y documentados alineados a prioridades organizacionales.

Aprenderás:

• Cómo traducir el concepto abstracto de riesgo en decisiones ejecutivas concretas.

• Cómo priorizar recursos limitados en función del impacto y probabilidad.

• Cómo diseñar escalas de riesgo organizacionales coherentes.

• Cómo construir sistemas de documentación que generen trazabilidad y confianza.

• Cómo evitar el error de tratar la gobernanza como burocracia.

Esta clase es esencial para comprender cómo se toman decisiones reales en la gestión estratégica de riesgos en IA.

En esta clase cerrarás el ciclo estructural de GOVERN 1 dentro del NIST AI Risk Management Framework (AI RMF).

Aprenderás cómo una organización debe:

• Implementar monitoreo continuo de sistemas de inteligencia artificial.

• Definir roles claros para supervisión e incident response.

• Construir un inventario formal de modelos y sistemas de IA.

• Gestionar el retiro seguro (decommissioning) de modelos sin aumentar riesgos.

• Evitar uno de los puntos ciegos más comunes en gobernanza de IA: eliminar sistemas sin trazabilidad.

Exploraremos decisiones ejecutivas reales y riesgos organizacionales derivados de una mala supervisión del ciclo de vida completo.

Esta clase es fundamental para entender cómo mantener la confianza organizacional a largo plazo en sistemas de IA.

En esta clase introductoria analizamos la categoría GOVERN 2 del NIST AI Risk Management Framework (AI RMF), enfocada en accountability organizacional, definición de roles, capacitación y responsabilidad ejecutiva en la gestión de riesgos de inteligencia artificial.

Aprenderás por qué el AI RMF considera que la gobernanza no es solo documentación, sino estructura organizacional real. Exploraremos cómo la función GOVERN habilita las funciones MAP (identificación de riesgos), MEASURE (evaluación de riesgos) y MANAGE (tratamiento y monitoreo de riesgos).

Explicaremos desde cero qué significa accountability en inteligencia artificial, cómo se relaciona con cultura organizacional, y por qué el liderazgo ejecutivo no puede delegar completamente la responsabilidad sobre sistemas de IA.

Esta clase prepara el terreno para profundizar en:

• GOVERN 2.1 – Definición clara de roles y líneas de comunicación

• GOVERN 2.2 – Formación y capacitación en gestión de riesgos de IA

• GOVERN 2.3 – Responsabilidad del liderazgo ejecutivo

Basado en el AI RMF Playbook , transformaremos estas subcategorías en contenido práctico y accionable.

Ideal para principiantes absolutos que quieren comprender cómo diseñar estructuras reales de gobernanza de IA dentro de organizaciones.

En esta clase aprenderás a implementar de manera práctica las subcategorías GOVERN 2.1 y GOVERN 2.2 del NIST AI Risk Management Framework (AI RMF), enfocadas en la definición clara de roles, responsabilidades, líneas de comunicación y programas de capacitación en gestión de riesgos de inteligencia artificial.

Exploraremos cómo construir una arquitectura organizacional que permita mapear (MAP), medir (MEASURE) y gestionar (MANAGE) riesgos de IA de forma efectiva.

Analizaremos:

• Cómo documentar responsabilidades en el ciclo de vida de la IA.

• Cómo separar funciones de desarrollo y evaluación para evitar conflictos de interés.

• Cómo establecer líneas de escalamiento de riesgos.

• Cómo diseñar programas de entrenamiento en AI Risk Management.

• Cómo integrar características de IA confiable (trustworthy AI) en la cultura organizacional.

• Cómo adaptar estos principios a sistemas de IA generativa (según el perfil NIST AI 600-1).

Basado en el AI RMF Playbook , esta clase transforma el marco voluntario en una estructura organizacional real aplicable en empresas.

Ideal para quienes desean diseñar gobernanza real, no solo documentación.

En esta clase aprenderás cómo implementar la subcategoría GOVERN 2.3 del NIST AI Risk Management Framework (AI RMF), enfocada en la responsabilidad del liderazgo ejecutivo en la gestión de riesgos de inteligencia artificial.

Analizaremos qué significa realmente que el C-Suite (alta dirección) sea responsable por decisiones relacionadas con el desarrollo y despliegue de sistemas de IA. Estudiaremos cómo declarar tolerancia al riesgo, asignar recursos, delegar autoridad y construir cultura organizacional orientada a prevención de daños.

Verás cómo el liderazgo ejecutivo habilita las funciones MAP (identificación de riesgos), MEASURE (evaluación de riesgos) y MANAGE (tratamiento y monitoreo), y cómo su ausencia convierte la gobernanza en una formalidad sin impacto real.

Trabajaremos un caso empresarial distinto, con enfoque en IA generativa y decisiones estratégicas de alto impacto.

Basado en el AI RMF Playbook y alineado con el perfil de IA generativa NIST AI 600-1.

Ideal para quienes desean comprender cómo la responsabilidad en IA no puede delegarse completamente al área técnica.

En esta clase aprenderás cómo aplicar correctamente el subcomponente GOVERN 3.1 del NIST AI Risk Management Framework (AI RMF), enfocado en la diversidad de equipos para mejorar la toma de decisiones sobre riesgos en sistemas de Inteligencia Artificial.

Explicaremos desde cero:

• Qué significa que la toma de decisiones sobre mapeo, medición y gestión de riesgos esté informada por equipos diversos.

• Por qué la diversidad demográfica, disciplinaria y de experiencia mejora la identificación de riesgos.

• Cómo estructurar políticas de contratación y gobernanza alineadas al AI RMF.

• Qué ocurre cuando no se aplica este principio.

• Cómo documentarlo adecuadamente en el marco del Playbook oficial .

También entenderás la relación entre diversidad organizacional y las características de IA confiable:

• Válida y confiable

• Segura

• Justa y con sesgo dañino gestionado

• Transparente y explicable

Esta clase es para principiantes absolutos. No necesitas conocimientos técnicos previos. Aprenderás con un caso tecnológico completamente nuevo, aplicado a una empresa que desarrolla un sistema de análisis predictivo de consumo energético industrial.

Si quieres aprender AI Governance, gestión de riesgos de IA, cumplimiento estratégico, y cómo aplicar el AI RMF de manera práctica, esta clase es fundamental.

En esta clase aprenderás cómo aplicar correctamente el subcomponente GOVERN 3.2 del NIST AI Risk Management Framework (AI RMF), enfocado en la definición clara de roles, responsabilidades y configuraciones humano-IA en la gestión de riesgos.

Descubrirás:

• Qué significa una configuración humano-IA.

• Por qué no basta con decir “hay supervisión humana”.

• Cómo diferenciar entre operadores, supervisores y responsables finales.

• Cómo establecer políticas claras de accountability (responsabilidad formal).

• Cómo documentar el nivel adecuado de intervención humana.

• Qué riesgos aparecen cuando los roles no están claramente definidos.

Trabajaremos con un caso tecnológico nuevo: una empresa que desarrolla un sistema de IA para priorizar tickets críticos en centros de soporte técnico empresarial.

Aprenderás desde cero y sin conocimientos técnicos previos. Entenderás cómo estructurar gobernanza interna, cómo evitar zonas grises de responsabilidad y cómo fortalecer la confiabilidad del sistema alineado con las características de IA confiable.

Esta clase es clave si quieres dominar AI Governance, gestión de riesgos de IA, supervisión humana efectiva y aplicación práctica del AI RMF.

En esta clase aprenderás cómo implementar la subcategoría GOVERN 4 del NIST AI Risk Management Framework (AI RMF), enfocándonos en:

• GOVERN 4.1: Fomentar una cultura organizacional de pensamiento crítico y mentalidad “safety-first”.

• GOVERN 4.2: Documentar y comunicar riesgos e impactos de sistemas de Inteligencia Artificial.

Explicaremos desde cero qué significa crear una cultura de riesgo en IA, cómo implementar prácticas como red teaming (equipos adversariales), effective challenge (desafío efectivo), whistleblowing (protección al denunciante) y cómo realizar evaluaciones de impacto (Impact Assessments) alineadas al AI RMF.

Integraremos ejemplos de IA generativa y referencia al NIST AI 600-1 (Perfil de IA Generativa), mostrando cómo estos conceptos se aplican en modelos tipo Large Language Models (LLM).

Esta clase es fundamental para cualquier profesional que quiera implementar gobernanza de IA de forma práctica, estructurada y alineada al estándar NIST.

Aprenderás:

• Cómo crear cultura de riesgo en IA.

• Cómo estructurar evaluaciones de impacto.

• Cómo conectar cultura organizacional con documentación formal.

• Cómo apoyar decisiones go/no-go.

• Cómo fortalecer confianza y transparencia.

En esta clase aprenderás cómo implementar GOVERN 4.3 del NIST AI Risk Management Framework (AI RMF), enfocado en:

• Prácticas organizacionales para testing de sistemas de Inteligencia Artificial.

• Identificación y gestión de incidentes en IA.

• Mecanismos de information sharing (compartición de información).

• Transparencia operativa en sistemas tradicionales y en IA generativa.

Exploraremos cómo establecer políticas de pruebas internas, red teaming continuo, monitoreo de incidentes, documentación estructurada y mecanismos de divulgación responsable.

También analizaremos cómo estos procesos se vuelven críticos en sistemas de IA generativa (GenAI), alineados con el perfil NIST AI 600-1, donde los modelos pueden cambiar comportamiento con el tiempo, sufrir concept drift o generar outputs inesperados.

Aprenderás:

• Qué significa testing responsable en IA.

• Cómo identificar limitaciones reales del sistema.

• Cómo estructurar un proceso de incident response en IA.

• Cómo compartir información de manera estratégica.

• Cómo evitar que la gestión de riesgos sea ignorada.

En esta clase aprenderás en profundidad el punto GOVERN 5 (5.1 y 5.2) del NIST AI Risk Management Framework (AI RMF), el marco voluntario desarrollado por el Instituto Nacional de Estándares y Tecnología (NIST) para gestionar riesgos en sistemas de Inteligencia Artificial.

GOVERN 5 se enfoca en establecer procesos robustos de participación con actores relevantes de IA y en la gestión estructurada del feedback externo. Esto incluye:

• Cómo diseñar mecanismos para recopilar retroalimentación de usuarios, comunidades afectadas y expertos externos.

• Cómo evaluar, priorizar e integrar ese feedback dentro del ciclo de vida del sistema de IA.

• Cómo fortalecer la transparencia, la rendición de cuentas y la confianza organizacional.

• Cómo documentar adecuadamente estos procesos.

También conectaremos este punto con el Perfil de IA Generativa NIST AI 600-1, entendiendo por qué los sistemas de IA generativa (como modelos de lenguaje grandes o LLMs – Large Language Models) requieren mecanismos de retroalimentación aún más robustos.

Esta clase es ideal para:

• Principiantes absolutos.

• Profesionales de cumplimiento.

• Líderes de tecnología.

• Equipos de gobernanza.

• Consultores de IA responsable.

• Cualquier persona que quiera aplicar el AI RMF de forma práctica.

Aquí no solo entenderás qué dice el marco, sino por qué importa y qué sucede cuando no se aplica.

En esta clase aprenderás a aplicar de forma práctica la subcategoría GOVERN 6.1 del NIST AI Risk Management Framework (AI RMF), enfocada en la gestión de riesgos derivados de terceros, software externo, datos de proveedores y cadena de suministro (supply chain) en sistemas de Inteligencia Artificial.

Comprenderás qué significa realmente gestionar el riesgo de terceros en IA, por qué la mayoría de los sistemas actuales dependen de componentes externos y cómo esa dependencia puede afectar la seguridad, confiabilidad, cumplimiento normativo y reputación de una organización.

Explicaremos desde cero conceptos como:

• Riesgo de cadena de suministro en IA

• Debida diligencia (due diligence)

• Dependencia tecnológica externa

• Software de terceros

• Datos externos de entrenamiento

• Riesgo contractual y operacional

• Características de IA confiable aplicadas a proveedores

Analizaremos qué exige GOVERN 6.1 según el AI RMF Playbook , cómo convertirlo en políticas reales y qué ocurre si una organización ignora este componente crítico de gobernanza.

Esta clase es ideal para principiantes absolutos que quieran entender cómo aplicar gestión de riesgos de terceros en proyectos de Inteligencia Artificial sin necesidad de conocimientos técnicos previos.

En esta clase aprenderás a aplicar la subcategoría GOVERN 6.2 del NIST AI Risk Management Framework (AI RMF), enfocada en la creación de procesos y procedimientos para gestionar fallos o incidentes relacionados con terceros en sistemas de Inteligencia Artificial.

La mayoría de los sistemas de IA dependen de proveedores externos: software, datos, modelos, servicios en la nube o infraestructura tecnológica. Pero ¿qué ocurre cuando un proveedor falla? ¿Qué pasa si deja de operar, sufre un incidente de seguridad o modifica su servicio de manera inesperada?

Aquí es donde entra GOVERN 6.2.

Aprenderás:

• Qué significa tener planes de contingencia para terceros en IA.

• Cómo diseñar procesos de preparación ante fallos.

• Cómo realizar evaluación de riesgos y planificación por escenarios.

• Cómo proteger la continuidad operativa.

• Cómo evitar que un incidente externo destruya la confianza organizacional.

• Cómo se conecta esta subcategoría con resiliencia, seguridad y responsabilidad organizacional.

Esta clase está diseñada para principiantes absolutos y transforma los lineamientos del AI RMF Playbook en decisiones prácticas, comprensibles y aplicables.

Si quieres aprender a no depender ciegamente de proveedores en tus proyectos de IA, esta clase es esencial.

En esta clase aprenderás a ejecutar el paso más difícil en la gestión de Inteligencia Artificial: decidir si un sistema es apto para salir al mercado. Exploraremos las subcategorías MANAGE 1.1 y MANAGE 1.2 del AI RMF (Artificial Intelligence Risk Management Framework). Aprenderás a realizar un balance entre beneficios y riesgos, comprendiendo que no siempre la IA es la mejor solución. Introduciremos conceptos clave como TEVV (Test, Evaluation, Validation, and Verification - Prueba, Evaluación, Validación y Verificación) y cómo usar los resultados de las funciones de MAP (Mapeo) y MEASURE (Medición) para asignar recursos limitados a los riesgos que realmente pueden hundir un proyecto. Ideal para perfiles que buscan liderar la implementación ética y segura de tecnología financiera (FinTech) y empresarial.

En esta lección profundizaremos en las subcategorías MANAGE 1.3 y MANAGE 1.4 del NIST AI RMF. Aprenderás a diseñar planes de respuesta estructurados para los riesgos de alta prioridad, eligiendo entre cuatro caminos fundamentales: Mitigar, Transferir, Evitar o Aceptar. Además, abordaremos un concepto vital para la ética y la transparencia: el Riesgo Residual (Residual Risk). Descubrirás por qué es obligatorio documentar aquello que no pudimos eliminar y cómo comunicarlo a los usuarios finales y compradores de tecnología para generar confianza a largo plazo. Esta clase es esencial para roles de cumplimiento (Compliance), desarrollo de productos y gestión de riesgos en la era de la IA generativa.